โครงการสหกิจนี้มีวัตถุประสงค์เพื่อปรับปรุงประสิทธิภาพกระบวนการผลิต Hydrogen Manufacturing Unit 2 (HMU-2) และ Pressure Swing Adsorption 3 (PSA-3) โดยการใช้แบบจำลองกระบวนการ AVEVA Pro/II และ แบบจำลอง Machine Learning เพื่อจำลองกระบวนการ ผลการศึกษาพบว่า แบบจำลอง AVEVA Pro/II สามารถทำนายผลลัพธ์ โดยมีความคลาดเคลื่อนอยู่ในช่วง 0–35% มีความคลาดเคลื่อนของอัตราการไหลของไฮโดรเจนจากหน่วย PSA สูงถึง 12% เกินเกณฑ์ 10% ที่บริษัทยอมรับได้ จึงได้พัฒนาแบบจำลอง Machine Learning โดยการปรับไฮเปอร์พารามิเตอร์ของอัลกอริทึมแบบ Random Forest ผลการศึกษาพบว่าแบบจำลองมีความแม่นยำสูง มีค่า Mean Squared Error (MSE) มีค่า 8.48 และ 0.18 สำหรับข้อมูลกระบวนการ และ ข้อมูลห้องปฏิบัติการ และ R-squared มีค่า 0.98 และ 0.88 สำหรับข้อมูลชุดเดียวกัน และพบว่าสามารถทำนายผลลัพธ์ได้แม่นยำกว่าแบบจำลอง AVEVA Pro/II ในทุกๆ ตัวแปร สามารถลดความคลาดเคลื่อนของอัตราการไหลของไฮโดรเจนจากหน่วย PSA เหลือเพียง 4.75 และ 1.35% สำหรับอัตราการผลิต 180 และ 220 ตันต่อวันตามลำดับ จึงได้นำแบบจำลองมาทำการ Optimization ตัวแปรกระบวนการ พบว่าสามารถให้ข้อแนะนำในการปรับค่าตัวแปรต่างๆ ได้ โดยสามารถเพิ่มผลผลิตไฮโดรเจนได้ 7.8 ตันต่อวัน และสร้างผลกำไรเพิ่มขึ้น 850,966.23 บาทต่อปี
บริษัท ไทยออยล์ จำกัด (มหาชน) (TOP) ประกอบธุรกิจโรงกลั่นน้ำมันที่มีกระบวนการผลิตที่ทันสมัยและมีประสิทธิภาพสูง เพื่อผลิตและจำหน่ายน้ำมันปิโตรเลียมสำเร็จรูปป้อนตลาดในประเทศเป็นส่วนใหญ่ ทั้งยังขยายการลงทุนให้ครอบคลุมการผลิตผลิตภัณฑ์ปิโตรเคมี นํ้ามันหล่อลื่นพื้นฐาน เอทานอล รวมถึงการลงทุนในธุรกิจไฟฟ้า ตลอดจนธุรกิจขนส่งผลิตภัณฑ์ปิโตรเลียม และปิโตรเคมีทางเรือ ธุรกิจขนส่งผลิตภัณฑ์ปิโตรเลียมสำเร็จรูปทางท่อ และธุรกิจให้คำปรึกษาทางด้านพลังงาน ซึ่งมีโรงกลั่นอยู่ที่อำเภอศรีราชา จังหวัดชลบุรี โครงงานสหกิจนี้เกี่ยวข้องกับการทำงานร่วมกับหน่วยผลิต Hydrogen Manufacturing 2 (HMU-2) และ Pressure Swing Adsorption 3 (PSA-3) ซึ่งผลิตไฮโดรเจนบริสุทธิ์สูงสำหรับใช้ในกระบวนการต่าง ๆ เช่น Hydrocrackers, Hydrodesulphuriser และ Hydrotreaters หน่วยผลิตนี้มีบทบาทสำคัญในการแยกก๊าซธรรมชาติเหลือใช้จากกระบวนการก่อนหน้า ซึ่งมีความซับซ้อนสูงและต้องการการควบคุมอุณหภูมิและความดันอย่างแม่นยำเพื่อให้กระบวนการทำงานได้อย่างมีประสิทธิภาพ เนื่องจากการขาดเครื่องมือจำลองกระบวนการที่มีประสิทธิภาพส่งผลต่อความสามารถในการผลิตและประสิทธิภาพโดยรวม ทำให้ไม่สามารถส่งไฮโดรเจนให้กระบวนการข้างต้นได้ตามความต้องการ การใช้โปรแกรม AVEVA Pro/II ซึ่งเป็นเครื่องมือสำคัญในการจำลองกระบวนการผลิตในหน่วย HMU-2 และ PSA-3 พบว่ามีข้อผิดพลาดในการจำลองบางกระบวนการ ซึ่งส่งผลกระทบต่อความแม่นยำในการคาดการณ์พารามิเตอร์ที่เกี่ยวข้องกับการผลิตไฮโดรเจน การพัฒนาโมเดล Machine Learning จึงเป็นแนวทางใหม่ที่มีศักยภาพในการเพิ่มความแม่นยำในการคาดการณ์พารามิเตอร์กระบวนการต่าง ๆ เช่น อุณหภูมิ ความดัน และอัตราการไหล การนำเทคนิค Machine Learning มาช่วยในการคาดการณ์และปรับปรุงกระบวนการผลิตไฮโดรเจนให้ได้ตามความต้องการของหน่วยผลิตในบริษัทจึงเป็นสิ่งสำคัญในการเพิ่มประสิทธิภาพการผลิตและตอบสนองความต้องการที่สูงขึ้นได้อย่างมีประสิทธิผล
คณะวิทยาศาสตร์
ปัญหามลพิษทางอากาศ โดยเฉพาะฝุ่นละอองขนาดเล็ก PM2.5 เป็นปัญหาสำคัญที่ส่งผลกระทบต่อสุขภาพและสิ่งแวดล้อมในกรุงเทพมหานคร โครงการนี้มีวัตถุประสงค์เพื่อวิเคราะห์และระบุปัจจัยที่มีอิทธิพลต่อระดับของ PM2.5 มากที่สุด โดยใช้ข้อมูลคุณภาพอากาศ สภาพอากาศ และปัจจัยแวดล้อมอื่น ๆ ที่เกี่ยวข้อง เพื่อตรวจสอบว่าปัจจัยใด เช่น อุณหภูมิ ความชื้น ความเร็วลม หรือมลพิษจากแหล่งอื่น มีผลต่อความผันผวนของ PM2.5 ผลการศึกษานี้จะช่วยให้สามารถระบุปัจจัยสำคัญที่ส่งผลต่อปริมาณฝุ่น PM2.5 ได้อย่างเป็นระบบ ซึ่งสามารถนำไปใช้เป็นข้อมูลพื้นฐานสำหรับหน่วยงานภาครัฐ นักวิจัย และประชาชนทั่วไปในการวางแผนรับมือและลดผลกระทบจากมลพิษทางอากาศ นอกจากนี้ ผลลัพธ์ที่ได้ยังสามารถนำไปใช้สนับสนุนการตัดสินใจในการกำหนดนโยบายและมาตรการต่าง ๆ เพื่อปรับปรุงคุณภาพอากาศและสุขภาพของประชาชนในระยะยาว
คณะเทคโนโลยีสารสนเทศ
โครงงานเรื่อง คินเดอร์ฟอร์เรสต์ เกมสร้างสิ่งของและไขปริศนา ด้วยเทคโนโลยีวีอาร์ มีจุดประสงค์ในการจัดทำขึ้นเพื่อเป็นเกมส่งเสริมความคิดสร้างสรรค์ในการแก้ปัญหา และทักษะการประยุกต์ในระดับเบื้องต้น โดยนำเสนอในรูปแบบเทคโนโลยีความเป็นจริงเสมือน เพื่อมุ่งเน้นให้ผู้เล่นได้มีส่วนร่วมทางร่างกายระหว่างการเล่นเกมพร้อมกับการส่งเสริมความคิดสร้างสรรค์และทักษะการประยุกต์ระดับเบื้องต้น ทางคณะผู้จัดทำได้เลือกใช้ อันเรียลเอนจิน 5.1 (Unreal Engine 5.1)และแว่นตาโลกเสมือนโอคูลัส เควส 2 (Oculus Quest 2) มาพัฒนาเกมในรูปแบบเทคโนโลยีความเป็นจริงเสมือนโดยภายในตัวเกมจะมีด่านที่ต้องใช้ความคิดสร้างสรรค์และวิธีการในการผ่านด่านที่ต่างกันไป มีการจับเวลาในการทำภารกิจเพื่อผ่านด่าน ผู้เล่นจะขยับร่างกายเมื่อมีการเคลื่อนไหวภายในเกม อุปสรรคของผู้เล่นในแต่ละด่านจะทำให้ผู้เล่นต้องใช้การขยับร่างกายไปพร้อมกับการแก้ไขปัญหา เป็นต้น และเกมจะมีการแสดงผลลัพธ์การผ่านภารกิจในขั้นต่าง ๆ ทำให้ผู้เล่นได้รางวัลที่ต่างกันตามลำดับขั้น ซึ่งเมื่อผู้เล่นผ่านก็จะมีการแสดงผลลัพธ์ให้ผู้เล่นทราบอีกด้วย
คณะวิศวกรรมศาสตร์
โครงงานนี้มีวัตถุประสงค์เพื่อนำเสนอแนวทางการออกแบบห้องแปรรูปเครื่องในแดงสำหรับโรงงานแปรรูปสุกร ที่มีการแปรรูปสุกร 500 ตัวต่อวันหรือ 80 ตัวต่อชั่วโมง น้ำหนักสุกรเฉลี่ยประมาณ 105 กิโลกรัม/ตัว มีเครื่องในแดงอยู่ร้อยละ 3.47 เพื่อทำการแยกชิ้นส่วน ตับ ขั้วตับ หัวใจ ปอด ม้ามและไต ตามต้องการ และทำการแช่ในน้ำเย็นเพื่อลดอุณหภูมิให้ต่ำกว่า 7 องศาเซลเซียส แล้วจึงนำบรรจุและปิดผนึก การคัดแยกใช้จำนวนชิ้นและน้ำหนักเป็นเกณฑ์ในการคัดแยกตามแต่ชนิด เวลาในการแปรรูป การแช่น้ำเย็นและการบรรจุมีความแตกต่างกันตามชนิดและขนาดสินค้า ข้อมูลในการออกแบบได้จากการเก็บข้อมูลในสายการผลิตปัจจุบันและข้อมูลอ้างอิงตามมาตรฐานต่าง ๆ ออกแบบห้องแปรรูปตามหลักการวางผังโรงงานอย่างเป็นระบบ (Systematic Layout Planning: SLP) วิเคราะห์ความสัมพันธ์ของกิจกรรมภายในห้อง จัดทำแผนผังสำหรับการกำหนดพื้นที่ใช้งาน คำนวณขนาดอุปกรณ์และจำนวนผู้ปฏิบัติงานที่จำเป็นต่อการใช้งาน พื้นที่ของห้องเครื่องในแดงถูกออกแบบมีขนาด 56 ตารางเมตร หลังจากออกแบบแผนผังได้มีการจำลองห้องในรูปแบบ 3 มิติด้วยโปรแกรม SketchUp 2024 พร้อมทั้งจำลองและวิเคราะห์การทำงานในห้องด้วยโปรแกรม Flexsim 2024